达罗毗荼语混合文本情感分析与冒犯性语言识别数据集2020

数据集概述

该数据集为三种低资源达罗毗荼语（泰米尔语、卡纳达语、马拉雅拉姆语）与英语的混合社交媒体评论数据，包含六万余条YouTube评论，经人工标注用于情感分析和冒犯性语言识别，标注者间一致性较高，支持相关自然语言处理研究。

文件详解

• 文件名称: DravidianCodeMix-2020.zip
• 文件格式: ZIP压缩包
• 内容说明: 压缩包内包含三种达罗毗荼语（泰米尔语、卡纳达语、马拉雅拉姆语）与英语的混合社交媒体评论数据，标注内容涵盖情感分析和冒犯性语言识别标签

适用场景

• 低资源语言自然语言处理研究：用于达罗毗荼语混合文本的情感分析模型训练与评估
• 冒犯性语言检测研究：构建针对多语言混合文本的冒犯性内容识别系统
• 社交媒体内容分析：分析达罗毗荼语用户在社交媒体上的语言使用及情感表达特征
• 计算语言学研究：探究多语言混合文本的编码规律及标注方法优化